指数逼近：随机图经验邻域测度的类型方法（通过随机分配）
概率论
2014-06-13 v6 组合数学
摘要
在本文中，我们找到了在给定经验符号分布和经验对分布条件下，带符号随机图的经验邻域分布的指数良好逼近。利用这一逼近，我们简化了(Doku-Amponsah and Morters 2010, Theorem~2.5)的证明，即带符号随机图经验邻域分布的大偏差原理(LDP)。我们还证明了经典Erdős–Rényi图的经验度数测度的LDP是(Doku-Amponsah and Moerters, 2010, Theorem~2.5)的一个特例。从经验度数测度的LDP，我们推导出经典Erdős–Rényi图中孤立顶点比例的LDP。
引用
@article{arxiv.1212.4281,
title = {Exponential Approximation, Method of types for Empirical Neighbourhood Measures of Random graphs by Random Allocation},
author = {K. Doku-Amponsah},
journal= {arXiv preprint arXiv:1212.4281},
year = {2014}
}
备注
11 pages